現今企業在面對各種復雜的智慧服務下，迫使著企業不斷的透過物聯網技術來收集各項數據，也隨著各項數據越來越龐大，企業要如何來運用此數據來探勘、挖掘其中之商機，是現今企業經營未來所追逐的目標。
 

企業該如何著手來進行大(da)數據呢？

第一：是否已經有明確的問題，例如：如何提高商品銷售量、制程良率分析、改善作業工時效率、各營運點因環境差異如何做物料篩選…..等，各種企業管理問題期待能透過分析數據來找出答案，所以，得想好了要解決的問題才能對癥下藥。

第二：參與大數據的導入者及同仁須充分了解其問題所影響到的相關組織及能剖析作業流程，同時也須改變其思維，不能憑借著過往的經驗來做判斷，以數據所呈現的狀況來做基礎，進而做出決策結論，更能將此經驗傳承下去。

第三：如何進行大數據系統建置規劃，此項歸類于特殊項目，企業內部進行能力及技術評估作業，如以下幾點：( 一 ) 是公司內部是否具有此類專業性人才。( 二 ) 做選商評選，聘請外部專家團隊來進行系統建置，協助建立大數據分析運作算平臺。( 三 ) 根據要分析的主題，匯入各項分項系統數據做 ETL ( 描述從數據從來源端經過萃取（extract）、轉置（transform）、加載（load）至目的端的過程，進行自動化程序系統界接。( 四 ) 建立模型 ( Modeling )，是設計者對問題的解決想法，用數學來解釋，用程序程序來來實現。 ( 五 ) 透過BI ( 商業智慧 ) 意指能透過數據的淬取、整合及分析，協助支持決策過程的技術和商業處理流程，其產出數據分析的結果，能以數值或是各類的圖形化接口來作呈現。

第四：解讀數據，大數據分析不是只對數據進行分析，而是要從數據中查看發掘出對應解決企業未來發展問題的剖析，信息技術同仁協助前端各大營銷、制造部門以堅強穩固的信息服務能力來支撐整體企業信息架構，讓數據流能快速地能被前線運營單位快速被取得，快速動態調整企業作戰方針。
 

大數據系統數據庫介紹：

建立一套大數系統，通常都會忽略掉選擇合適的數據庫，在此解紹幾種目前當紅之數據庫格式，也是各家大廠一致稱贊的新式NoSQL數據庫，NoSQL 數據庫是為特定數據模型而建立，并且具有構建新型應用程序的彈性結構。此類型之數據庫可彈性地運用在于各種數據模型，包括文件、圖形、鍵值、內存和搜尋等類型。目前有4種較受到關注的NoSQL數據庫有Key-Value數據庫、內存數據庫、圖學數據庫和文件數據庫等四種類型，對應目前市場上常聽到的產品有Key-Value數據庫：Google BigTable 、Hadoop HBase (Cloudera、Hortonworks)、Apache Cassandra (商用版Datastax)…等。內存數據庫：MemSQL 、VoltDB 、Redis ….等。圖學數據庫：Neo4j、Amazon Neptune、AllegroGrph…等。文件數據庫：MongoDB、Riak、Couchbase、Amazon DocumentDB….等。每一種的數據庫都有不同的使用場景，需先能了解前端運營、制造單位所要解決的問題，方能選擇合適使用的。

再來提到的是如何在大數據中建立微服務，敏捷式的微服務大數據目的是：一是快速、二是初始數據小、三是驗證，這樣能夠在明確目標下快速做出塑模及分析，證明有效之后再進行擴張來形成反饋效應。如何從系統架構的角度來構建靈活、易擴展的系統，快速應對需求的變化，在隨著當用戶數增加，又要確保系統的可伸縮性、高可用性，成為系統架構面臨的挑戰。微服務架構強調的重點是將系統徹底的組件化和服務化，原有的單系統會被拆分為多個可以獨立開發，設計，運行和運維的小應用，這些小應用之間通過服務完成交互和集成。

運用容器化架構及微服務架構，可升級企業 IT 環境，將應用程序從基礎架構中分離，大名鼎鼎的Docker開源軟件即是，它將應用程序做成自動化且可快速部署并為一種可攜式且可自足的容器，亦可在云端或內部部署上執行。Google 的 Kubernetes (K8s)在容器的編排和工作負載轉移上都是業界先驅，能夠同時滿足敏捷式開發和企業團隊營運的需求，迅速成為能夠跨平臺執行應用程序的標準，是眾多平臺的基礎。決策者關注的是整體系統的穩定性及可控性，確保整個 IT 服務可以穩定支撐企業的業務發展，也能針對各種系統維運的潛在風險，進行監督、控制和調節。

現今大多數企業在信息架構上都從實體機環境已轉換到虛擬化環境（physical to virtual, P2V），以便于管控公司內部各大系統的執行環境及資源調度。在過去的應用程序架構設計，往往一個操作系統上能夠執行一個系統就已經足夠。然而，在微服務架構下，單體系統架構會被拆開變成多個微小服務，應用程序的實例數量會因此進一步提升。此時，需要擁有能管控「應用程序」層級的環境，才能應付「大量微型服務」的管理需求，且盡可能地減少運算資源的消耗。在這樣的需求下，通常就會建議導入容器技術（Container technology）以管理「巨量的服務實例」，而現在業界主流趨勢，皆采用 Kubernetes(K8S) 做為容器管理平臺。

數據收集與大數據應用是一個相當常見的場景，由于數據收集量日漸龐大、分析數據的需求也日益增加，面對實時數據流的處理分析是新趨勢，在處理流程中更是一種高頻率且不斷需要變更、升級和調校，而舊的制式工具和架構缺乏足夠彈性和擴充性來滿足。多數大型企業，會碰到的數據源都是透過跨境、跨區、跨系統的情況，這時系統整合就是一個大的難題。而微服務架構可以提供彈性的方法，讓數據工程師、數據分析師以及應用程序開發設計者，快速且更容易的來做到數據交換及設計數據處理流程。

結語
大數據這股風潮方興未艾，科技不斷的快速在進步、轉變，企業無不想借著搭著這班科技列車向前探索，科技也將帶來了各項的挑戰，在企業中最重要的人才，人才將科技中之「連結性」與「可更新性」鏈結起來，透過據數分析平臺來讓每個人都能得到最新信息，將可能創造出龐大的企業優勢。最終，我們都將從大數據分析中獲益。若有任何想進一步了解之處，本公司業務與技術服務團隊，歡迎您隨時與我們聯系